技术与经济 | 机器、人工智能与产业自动化
by artist: Joan Litsey 上篇说到，在美国，新一代的技术革命带来的经济生产效率的提升并没有推动工作岗位的增加和人均收入的增长，有经济学家将这种史无前例的情况称为the great decoupling （详情见这里）。 这种情况的产生，很大可能是因为产业自动化（automation）对劳动力的替代速度已经快于新的工作岗位的产生速度。 这种宏观的趋势，在数据上是几条细线，对于不同的行业和个人来说，却可能是惊心动魄的技术剪刀夹杂在洪水中喷涌而来。 那么一个自然而然的问题就是：哪些行业和能力在短期内不那么容易被替代？如果洪水终将先毁灭再创造，那么能够临时躲避灾难的方舟可能在哪里？ 1.两个基本认识 在讨论之前，我想基于机器学习和人工智能的自动化（automation)发展，提出两点基本认识（其中涉及一些技术的内容是基于自己的理解，如果有误，欢迎各位技术大神指正）： 首先，关于机器学习的一个普遍的共识是，计算机很容易完成高度程式化和指令明确的内容，如复杂计算、打字、工厂中的流水作业，还有由人类发明并且能够以数学的形式解决的问题，如跳棋、国际象棋等棋类游戏（围棋不是简单计算问题，这个后面来说）。 但对人类来说十分简单甚至不需要思考的任务，如自主学习能力、常识、身体的平衡能力、自主神经系统对身体机能的控制，对机器来说确实相对难的。就算是我们人类自己也还没有完全理解这些过程的发生机制，更不要说将其程式化了。 因此，认识1可以总结为： 机器自动化能够完成人类自己发明和已经了解的任务；而大自然在进化中赏赐给我们的能力，连我们自己都不知道是怎么发生的，更难被复制。 有人说，你说的这些都是在机器学习出现之前的结论，深度神经网络等方法的成熟让计算机掌握了很多新的能力，比如无法简单地用计算能力解决的围棋问题，比如高等哺乳动物才拥有的面部识别、特征识别等问题。但不要忘了，当前的机器学习和深度神经网络算法，是以大量人类标识过的数据作为”正确答案”，没有这些原始的标识数据，机器学习从何谈起？ 在此基础上，讨论机器和人力的成本及比较优势。长期来看，机器当然可以完成越来越多类型的任务。但如果完成这种任务的成本是相对高的，那么人类工作者就仍然是更好的选择。比如波士顿动力花大力气研发出的人形机器人，虽然做到了像人类一样的行走跳跃转圈，但它也同时被称为机器人中的“法拉利”，成本高昂，炫技和研究成分大于实用性，暂时不具备大规模推广的条件。 萌萌的甩着小手的Atlas 因此，认识2可以总结为： 人类工作被大规模替代的前提，是机器的成本低于能完成同等任务的人的成本。用经济学的概念来表达，即机器拥有相对人类的比较优势。 当然，由于技术进步的速度远大于人类能力进化的速度，所以可以肯定机器拥有的比较优势会不断扩大，人类的比较优势领域也会不断缩小。但我认为这一进程将很大程度上受限于人类脑科学和认知心理学的研究，已经不是计算能力和技术能力考虑的范畴。 2.谁将被替代？ 在以上讨论的基础上，我们可以判断出短期内可能被替代的行业和岗位特征：简单重复性工作（如工厂工人）、 能够标准化的工作（如会计、出纳）、基于大量信息的收集和简单处理的工作（如某些特定行业的分析师）、自动化能够显著提高效率降低风险的工作（如快递）。 致敬：卓别林，摩登时代 反过来，就是难以被替代的岗位特征：非标准化工作，如一些类生活服务；人类还没有完全研究透彻因而难以完全程式化的工作；即使能够自动化，也会因天然的多样或独特性而被赋予独特价值的工作，如：艺术、工匠，因为被认同的独特性永远是稀缺物品。 前段时间给自己的画作设置自毁装置的艺术家班克西火了 写这篇文章的过程中，正好发现了2017年的一篇相关文章，作者制作了一张可视化图表，对不同工作的收入水平和被替代风险进行了评价。 Mark Whitehouse and Mira Rojanasakul , Find Out If…
